Інформаційна система для прогнозування нафтогазоносних покладів

де, true представляє , і true представляє коефіцієнти довіри.

де TF = {так, ні} , g складає множина світів <M, sO> таких, що M = <{sO}, D, V> є стандартною структурою, що інтерпретується в численні предикатів першого порядку:

_FOL(a) = {<M, sO>|<M, sO> |=FOL a}

де, |=FOL стандартне істинне відношення для даного числення.

Вводячи функції TF такі, що

¹TF(p, k) = так якщо для всіх <q, так>k, q p інакше ні

²TF(<p, x>, k)= {<qp, так>|<q, так>k } якщо x= так інакше k ,

операції над структурами знань означають в термінах FOL і TF :

Роль модуля представлення знань полягає в обчисленні (a) для кожної формули a, що входить в склад мови представлення знань.

Сказане відображається архітектурою :

В третьому розділі проаналізовано місце системи логічного висновку в інформаційній системі і побудовано його на основі стандартних предикатів.

В рамках пропонованого підходу значення істинності правила логічного висновку “якщо Аі то Ві ” інтерпретується в термінах умовної істинності . Це значення істинності записується у вигляді verify(Ві|Аі), що еквівалентно множині розв'язків рівняння

verify(А_іВ_і) = min(verify(В_і|А_і), verify(А_і)). (7)

Оскільки, verify(В_і)verify(А_іВ_і), то verify(В_і) min(verify(В_і|А_і), verify(А_і)). Якщо В_і=“Z=w” i A_i=“Q=r”, причому _Z|Q(w, r)=FE(В_і|А_і), і _Z - проекція двохмірного розподілу можливостей _{Q, Z} = _Z|Q*_Q на базову множину BS змінної Z, то правило “якщо Q є АA, то Z є ВB” виражатиметься нерівністю:

wBS, _BB(w) sup _Z|Q (w, r)* _AA(r) (8)

Запропонований механізм висновку приймає нечіткі описи спостережень і виводить нечіткі описи прогнозів за допомогою нечітких відношень через використання таких правил композиції для висновку прогнозу FCj, для родовища DEq, із набору спостережень OBi :

Композиція для OBiFCj (гіпотези і підтвердження) :

W¹_DEFC =W_DEOB W^C_OBFC , (9)

що визначається

_W¹_DEFC (DE_q, FC_j) = max min[_Wdeob(DE_q, OB_i) ; _W^c_obfc(OB_i, FC_j) ]

Композиція для OBiFCj (виключення (наявними спостереженнями)) :

W²_DEFC = W_DEOB (1 - W^C_OBFC ) , (10)

що визначається

_W²_DEFC (DE_q, FC_j) = max min[_Wdeob(DE_q, OB_i) ;1- _W^c_obfc(OB_i, FC_j) ]

Композиція для OBiFCj (виключення (відсутніми спостереженнями)) :

W³_DEFC = (1-W_DEOB ) W_OBFC , (11)

що визначається наступним чином :

_W³_DEFC (DE_q, FC_j) = max min[1- _Wdeob(DE_q, OB_i) ; _WOBFC(OB_i, FC_j) ]

Прогноз вважається підтвердженим, якщо

_W¹_DEFC (DE_q, FC_j) = 1.00 (12)

Прогноз можливий, якщо

_W¹_DEFC (DE_q, FC_j) 0.99, (13)

де уявляє собою еврістичне значення, яке з дуже малою очевидністю (наприк-лад, = 0.1000) виключає прогноз.

Прогноз виключається, якщо

_W²_DEFC (DE_q, FC_j) = 1.00 або _W³_DEFC (DE_q, FC_j) = 1.00 (14)

Для гібридної структури

₂ = <FOL, FOL, g, DS, DS> ,

де FOL, FOL, g такі самі, як і в 1 , DS тепер належить до інтервалу [0, 1]. Структура знань 2 є множиною пар <p, x>, де p представляє певну множину світів, і , x[0, 1].

¹DS(p,k) повертає значення з проміжку [0,1], що задовільняє представлення:

Впевненість експерта в точності знань представлених через p є сумою всіх показників приписаних до значень інтенсивності в k. Тоді :

²_DS(<p, x>, k) = k{<p, x>, <W, 1-x>}

Нові означення для E₂, A₂, T₂ матимуть вигляд :

E₂[] = {<W, 1>}

A2[a, k] = { x | <q, x>k i qFOL(a)}

T₂[a, x, k] = k{<_FOL(a), x>, <W, 1-x>}

Для множини світів W= {, d, a, da}, де D містить значення “колектор” маємо

k₀ = E₂ = {<W, 1>}

k₁ = T₂[(порода родовище), 0.9, k₀] = {<W, 0.1>, <{, a, da }, 0.9 >}

k₂ = T₂[(порода колектор), 0.7, k₁] = {<W, 0.03>, <{d, da }, 0.07 >,

<{, a, da }, 0.27>, <{da}, 0.63>}

A₂[(родовище колектор), k₂] = 0.63

Розглядаються означення форм типу (def M_i M_j), що інтерпретується як “M_i є підпоняттям M_j” і факти форми (M_i m_j), що інтерпретується як “m_j є прикладом поняття M_i” :

<M, s>|=Z^{(Mi mj)}якщо T(m_j, s)T(M_i , s)

<M, s>|=Z^{(def Mi Mj)}якщо для всіх s i sRs, F(M_i, s)F(M_j , s)

Використання відношення R гарантує залежність між фактами і простими запитами , що обробляються за схемою :

A1. (def Mi Mj)

R1. З (Mi mk) i (def Mi Mj) (Mj mk)

R2. З (def Mi Mj) i (def Mj Mk) (def Mi Mk)

Складені запити утворюються через об'єднання простих цілей. Структура складається з цілей, впорядкованих зліва направо, і окремої таблиці , що містить поточні значення зв'язаних змінних.

Передача управління відбувається в зворотньому напрямі , від цілі до цілі , коли система намагається знайти значення змінних, що задовольняють запит. Для кожної цілі вхід і вихід з неї можливий через відповідний порт зліва чи справа . Процес починається з виклику першої цілі зліва .

Якщо ця ціль успішно досягається , то наступна ціль викликається з допомогою зв'язаної змінної , яка одержала своє значення при виконанні попередньої цілі .

Процес продовжується до тих пір, поки не буде здійснено вихід через exit-порт самої правої цілі.

Для предикатів, що викликаються з двома аргументами пропонується чотири можливих види шаблонів потоку :

(i, i) (i, o) (o, i) (o, o)

Для прискорення обробки бази даних кожна порція інформації розміщується у власному домені :

родовище(C) ( o )

родовище (глибина_залягання (Назва, Глибина)) глибина_залягання ( o, o )

родовище(вік("Богатойське", Вік))вік ( i, o )

родовище(літологія("Вапняки") ( i )

Для оптимізації процедур пошуку інформації в базі даних організовуються рекурсивні бінарні дерева пошуку. Розглядаючи будь-яку комірку дерева, можна передбачити в якому з її піддерев міститься потрібний фрагмент інформації . Такий ефект досягається за рахунок завдання на сукупності даних певного порядкового відношення(алфавітного чи цифрового). Елементи лівого піддерева передуватимуть поточній комірці, а елементи правого піддерева слідуватимуть за нею .

Після виконання обробки кожної конкретної комірки під час процесу пошуку, половина комірок що залишилась, усувається з подальшого розгляду і тим самим швидкість виконання пошуку збільшується . Тому якщо розмір дерева збільшився, наприклад, вдвічі, то пошук по новому дереву потребуватиме лише одного додаткового кроку . Швидкість пошуку пропорційна логарифму числа N, де N- число комірок .

Побудова інтерпретатора починається з термів aTerms і sTerms, які використовуються процедурою оцінювання : 1. Прочитаний iнтерпретатором вихідний код поділяється на статичні терми.

2. Після цього кожний статичний терм перетворюється в aTerm, що і може бути оцінений.

Процес оцінки починається з початкового терма . Будь-яке твердження внесене в базу даних зберігається у вигляді sТerm. Коли ціль перетворюється в активний терм, iнтерпретатор правил ( механізм висновку ) оцінює aТerm і виконує пов'язану з ним дію. Дія полягає в пошуку в базі даних статичного терма ( твердження ), що відповідає активній цілі. Якщо система знаходить відповідне твердження, то вона зчитує цей sТerm і перетворює його в aТerm, унiфікуючи ціль і твердження, а після цього, якщо твердження є правилом, повторює процес для кожної підцілi в тілі твердження .

Основою машини висновку є предикат unify_term. Він одержує на вході статичні терми, дійсні терми, а також середовище, а на виході дає унiфікацію двох різноманітних типів термів .

Виклик предикату member забезпечує звязування аТerm1 із змінною ідентифікації, після чого унiфікація термів аТerm і аТerm1 здійснюється одним із трьох способів :

1. Якщо обидва терми зв'язані, то в залежності від їх значень унiфікація закінчується успішно, або ні .

2. Якщо зв'язаний тільки один терм, то унiфікація пройде шляхом встановлення двох термів одне на одного .

3. Якщо обидва терми є вільними змінними, то вони поділяються (що означає, що вони будуть представлені вказівниками і кожний вказівник буде вказувати на один і той же вільний адрес).

Предикат unify_body є входом вищого порядку iнтерпретатора; для iнтерпретацiї бази правил предикату unify_body задається ціль, яку треба задовільнити ( гіпотеза ) і вільне середовище. Після цього цей предикат досягне цілі, або ні в залежності від того, чи можна довести гіпотезу. Unify_body відповідає за iнтерпретацію структури тіла правила згідно алгоритму : 1. Поділ тіла на підцілi - відповідно до порядку оцінювання, що визначається будовою тіла .

2. Виклику іншого предикату, що відповідає за фактичне виконання окремих підцілей .

Виконання бази правил відбувається через сходження :

- від гіпотези

- через її підцілi

- і їх підцілi

- і т.д.

- до фактів, що мають тіло true , яке виконалося в першому реченні.

Якщо гіпотезу не можна довести з допомогою фактів і правил бази даних, то це призведе до невиконання виклику unify_body на рівні гіпотези. Це виконання чи невиконання є єдиним результатом iнтерпретації бази правил; на такий результат налагоджена перевірка контрольної програми.

Визначення цієї оболонки включає три вимоги, що виходять за межі можливостей ланцюга зворотніх міркувань, прийнятого в Пролозі :

1. Фактор впевненості формує частину правил і висновків з них.

2. Якщо користувачу задано питання, то система завжди може пояснити, чому вона його задала.

3. Всі висновки можуть бути пояснені за допомогою посилань на попередні міркування .

Ці вимоги сумуються в трьох додаткових аргументах предикату unify_body.

1. Real , що є фактором впевненості, створеним в результаті висновку.

2. Терм, що є заголовком правила, що виконується в даний момент; він дозволяє системі сформулювати фразу : " Я задаю це питання , бо намагаюся встановити <заголовок правила > .

3. Статичний терм , що здійснює просування вперед трасіровки; він буде одержувати встановлену версію тіла, над якою працює unify_body, враховуючи, що терми, які є змінними в процесі переходу тіла в unify_body і call, будуть змінені на ті значення, які вони одержать в процесі виконання. Наявність цих установок в базі даних, дозволяє пояснити будь-яке заключення через посиланням на раніше доведені положення. Перетворення правила в факт, про який відомо, що він підтверджений, існуючими в базі даних фактами, здійснюється двома способами :

1. Вилучення правила і установки йому відповідного факту .

2. Помічення правила як підтвердженого .

Ці можливості виконуються через запровадження оптимiзації, в якій кожному правилу приписаний свій власний номер. Цей номер за допомогою предиката бази даних, що називається proven (<rule_no> ), буде вказувати , чи підтверджено правило як факт. Це не тільки прискорює роботу, але й дозволяє виконувати пошук альтернативних рішень .

В четвертьому розділі дано оцінку ефективності застосування розробленого формально-логічного апарату для автоматизації процесу рішення діагностико-прогнозтичних задач спеціалістів-геологів.

Розроблена комплексна методика набуття знань в ході інтерактивного діалогу “експерт -інженер-когнітолог- інформаційна система” дозволяє виділити ключеві об'єкти предметної області через побудову послідовностей пар “гіпотеза-спостереження” і сформувати модель предметної області.

Здобуті знання пропонується представляти у вигляді фреймів, триплетів об'єкт-атрибут-значення, реляційних відношень, і правил із змінними, що значно полегшить наступну їх формалізацію.

Розглядаються чотири класи об'єктів :

- спостереження, ознаки, результати геофізичних досліджень і одержані дані(OBi);

- гіпотези і сценарії(FCj) ;

- проміжні комбінації (ICk);

- комбінації спостережень (OC_l).

Спостереження OBi приймають значення _OBi із [0, 1]{}. Значення _OBi показує , в якій степені проявляються спостереження OBi . Після цього будується бінарне нечітке відношення W_OB , що визначається умовою _Wdeob(DEq, OBi)=_OBi для родовища DEq, де DEq (={DE1, …, DEr} ) і OBi( = {OB1, …, OBm}). Прогнози також приймають значення із [0,1]{}. Нечіткі значення 0.00 < _FCi<1. 00 представляють можливі прогнози, тоді як значення _FCi=1. 00 і _FCi=0. 00 відповідають підтвердженому прогнозу і непідтвердженому прогнозу відповідно . Ще не розглянуті прогнози приймають значення _FCi= . Формально будується відношення W_DEFC, що визначається умовою _Wdefc(DE_q, FC_j) = _FCj для родовища DE_q , де FC_j( = {FC₁, …, FC_n}).

Обидва об'єкти, що розглядаються: проміжні комбінації і комбінації спостережень - приймають значення _Ick i _OCl відповідно із [0, 1]{}, де означає, що дійсне значення ще не визначено . Відношення R_DEOBC задається умовою _Wdeobс(DEq, OС_l)=_OBCl для родовища DEq, де виконюється OClK(K={OC_l, …, OC_l}), і W_DEOBC формально описує комбінації спостережень по даному родовищу.

Між нафтогазовими об'єктами розглядаються такі відношення:

- відношення спостереження-прогноз(OB_i FC_j) ;

- відношення комбінація спостережень-прогнозів(OC_lFC_j);

- відношення спостереження-спостереження (OBi OBj);

- відношення прогноз-прогноз (FCi FCj).

Ці відношення характеризуються наступними двома параметрами :

- частота появи (f); - степінь підтвердження (сd).

Відношення між нафтогазовими об'єктами задаються у вигляді правил відношення з відповідними їм парами відношень. Загальне формулювання такого правила має вигляд :

ЯКЩО (антецедент) ТО (консеквент) ПРИ (f, сd)

Пари відношення (f, сd) містять або числові значення _f і _сd , або лінгвістично нечіткі значення _f і _сd , або і ті і інші .

Значення _f і _сd інтерпретуються, як значення нечітких відношень між антецедентами і консеквентами. Так ,

OB_iFC_j (відношення появи)W_OBFC^f

OB_iFC_j (відношення підтвердження)W_OBFC^cd

OC_lFC_j (відношення появи)W_OBCFC^f K

OC_lFC_j (відношення підтвердження)W_OBCFC^cd K

OB_iOB_j (відношення появи)W_OBOB^f

OB_iOB_j (відношення підтвердження)R_OBOB^cd

FC_iFC_j (відношення появи)R_FCFC^f

FC_iFC_j (відношення підтвердження)R_FCFC^cd

Ці відношення мають ту важливу властивість , що вони можуть бути інтер-претовані статистично. Частоти появи f і степінь підтвердження сd становить:

_f = G(OB_iFC_j) / G(FC_j) = G( OB_i /FC_j ) (15) _cd = G(OB_iFC_j) / G(OB_i) = G(FC_j /OB_i ) (16)

де G(OB_iFC_j) - абсолютна частота появи OB_i і FC_j ;

G(FC_j) - абсолютна частота появи FC_j ;

G(OB_i) - абсолютна частота появи OB_i ;

G( OB_i /FC_j ) - умовна частота OB_i при умові FC_j ;

G(FC_j /OB_i ) - умовна частота FC_j при умові OB_i .

Після того, як зібрані всі спостреження здійснюється логічний висновок типу “спостереження-спостереження”. Список спостережень містить всі необхідні пункти даних, що включають нечіткі значення, результати вимірів і висновку, числові значення, дані спострережень . Після цього список спостережень перевіряється на несуперечливість .

На наступному кроці оцінюються проміжні комбінації спостережень. Після проходження перевірки на відповідність обчислюються нечіткі значення для всіх комбінацій спостережень. Одержані в результаті списки тепер повні і не містять ніяких протиріч . Нечіткі значення _FCj = 1.00, тобто підтверджені прогнози FCj для родовища DEq визначаються з допомогою такого співвідношення :

_FCj = 1.00 , якщо _W¹_DEFC (DE_q, FC_j) = 1.00 або _W⁴_DEFC (DE_q, FC_j) = 1.00 (17)

Нечіткі значення _FCj = 0.00, тобто виключені прогнози FCj для родовища DEq визначаються з допомогою :

_FCj = 0.00 , якщо ( _W²_DEFC (DE_q, FC_j) = 1.00

або

_W³_DEFC (DE_q, FC_j) = 1.00 або (18)

_W⁵_DEFC (DE_q, FC_j) = 1.00

або _W⁶_DEFC (DE_q, FC_j) = 1.00 )

Відношення типу “колектор-продуктивний колектор” допускають логічний висновок наступних прогнозів( підтверджувані або такі, що виключаються):

Можливим прогнозам відповідають нечіткі значення _FCj , такі , що _FCj 0.99, _FCj=max[_W¹_DEFC(DE_q, FC_j);_W⁴_DEFC(DE_q, FC_j);_W¹⁰_DEFC (DE_q, FC_j) ] , якщо ( _W¹_DEFC (DE_q, FC_j) 0.99 або _W⁴_DEFC (DE_q, FC_j) 0.99 або _W¹⁰_DE (DE_q, FC_j) 0.99 ). Оскільки значення _FCj не залежать від числа правил, які можуть бути використані для підтримки FCj, то може бути введена еврістична функція, що враховує число критеріїв, присутніх , або частково присутніх, які передбачають, але не підтверджують істинність прогнозу FCj. Таким чином ця функція обчислює відповідне число точок PNR_FCj . Ці значення корисні тоді , коли треба робити вибір між різними можливими прогнозами, хоча кінцевою ціллю повинно бути одержання підтвердженого прогнозу. Число точок PNR_FCj обчислюється таким чином :

PNR_FCj=100{ min[_WDEOB(DE_q, OB_i);_W^f_OBFC (OB_i, FC_j)]+ (20)

де k* - число спостережень по родовищу DEq, які виникають при означенні FCj, а +=1.00 . Ми приймаємо =0.09 і =0.91, тобто степінь підтвердження береться в десять разів більш значимою , ніж частота появи по відношенню до значення PNR_FCj . Множення суми на 100 виконується для того, щоб досягти одержання легких для читання і запам'ятовування значень числа точок .

Розроблена база знань складається із двох основних компонент: розділів і параметрів. Кожен розділ описує одне з родовищ, що досліджується, а параметри описують характеристики виділених об'єктів.

ВИСНОВКИ

1. На основі аналізу якісних і кількісних ознак виділення колекторів нафти і газу запропоновано методику поетапної формалізації знань експерта-геолога з використанням величин типу “невизначено”.

2. Проаналізовано і узагальнено застосування розкладуваних мір невизначеності і розмитих висловлювань для формалізації множини міркувань при поступленні інформації від різних джерел, що описують родовище нафти і газу .

3. Розвинуто підходи по оптимізації обробки інформації в базі знань інформаційної системи при наявності неповної і неточної інформації за рахунок процедур нечіткої фільтрації і представлення даних з допомогою розподілу можливостей .

4. Побудовано гібридні структури знань, що дозволило подолати розрив між представленням знань в інформаційній системі і процедурою логічного висновку .

5. Розширено можливості логічного висновку по обробці ситуацій істинності на основі композиційного підходу з використанням складових запитів при наявності нечітких описів спостережень і висновків.

6. Узагальнено і розвинуто використання шаблонів потоків для обробки предикатів і рекурсивних типів даних.

7. На базі стандартних предикатів побудовано механізм логічного висновку для інформаційної системи.

8. Розроблено комплексну методику набуття і обробки знань в ході інтерактивного діалогу “експерт- інженер-когнітолог -інформаційна система”.

9. Розроблена інформаційна система “COLECTOR”, яка впроваджена в ДГП “Полтаванафтогазгеологія” і використовується для прогнозування нафтогазових колекторів.

РОБОТИ ПО ТЕМІ ДИСЕРТАЦІЇ

1. Юрчишин В. М. , Крихівський М. В. , Шекета В. І. , Перспективи застосування інформаційно-математичного моделювання в нафтогазовидобувній промисловості//Математическое моделирование. Сб. науч. тр. / НАН Украины. Ин-т. математики-Киев, 1996, с. 254-257.

2. Юрчишин В. М. , Шекета В. І. , Кропельницький Ю. П. Методика визначення коефіцієнта впевненності при виборі правил в базі знань/Математические моделирования и информационные технологии. Сб. научн. трудов НАН Украины. ин-т математики. Киев, 1998, с.275-276.

3. Шекета В.І, Юрчишин В.М. Формування баз знань для прогнозування нафто-газових колеторів // Державний міжвідомчий науково-технічний збірник “Розвідка і розробка нафтових і газових родовищ”. Серія: Технічна кібернетика та електрифікація об'єктів паливно-енергетичного комплексу, вип. 33, Івано-Франківськ, 1996, с. 52-55.

4. Шекета В. І. Використання рекурсивних алгоритмів для обробки баз знань. // Державний міжвідомчий науково-технічний збірник “Розвідка і розробка нафтових і газових родовищ”.Серія: Техн.кібернетика та електрифікація об'єктів паливно-енергетичного комплексу, вип. 34, Івано-Франківськ, 1997, с. 57-62.

5. Шекета В. І. Особливості побудови механізму логічного висновку при розробці експертної системи COLECTOR// Державний міжвідомчий науково-технічний збірник “Розвідка і розробка нафтових і газових родовищ”. Серія: Технічна кібернетика та електрифікація об'єктів паливно-енергетичного комплексу, вип. 34, Івано-Франківськ, 1997, с. 63-66.

6. Шекета В. І. , Юрчишин В. М. Методика формування логічного висновку в умовах невизначеності // Вестник ХДТУ, №5, Херсон, 1999, с. 64-66.

7. Кропельницький Ю. П. , Шекета В. І. Реалізація механізму логічного висновку для формування баз правил мовою Пролог // Вестник ХДТУ, №5, Херсон, 1999, с. 66-68.

8. Юрчишин В. М. , Жученко Г. О. , Крихівський М. В. , Шекета В. І. Розробка моделі інформаційних потоків нафтогазовидобувного підприємства // Тези доповіді на науково-технічній конференції професорсько-викладацького складу універсистету, частина 3, Івано-Франківськ, 1996р. , с. 133.

9. Юрчишин В. М. , Полозков І. К. , Крихівський М. В. , Шекета В. І. Впровадження нових інформаційних технологій в нафтогазовидобувній промисловості// Тези доповіді на науково-технічній конференції професорсько-викладацького складу універсистету, частина 3, Івано-Франківськ , 1996р. , с. 141.

10. Юрчишин В. М. , Шекета В. І. Проблеми впровадження експертних систем в нафтогазовидобувній промисловості// Доповідь на міжнародному симпозіумі “Комп'ютери в Європі: минуле, сучасне, майбутнє”. Київ, 1998 р. с. 367-372.

11. Юрчишин В. М. , Шекета В. І. Прогнозування нафтогазових колекторів з використанням персонального комп'ютера // Тези доповіді на науково-практичній конференції , Полтава, 1998, с. 127-128.

12. Юрчишин В.М., Шекета В.І., Кропельницький Ю.П.. Проблеми застосування теорії нечітких множин при формуванні баз знань в нафтогазовій справі// Тези доповіді на науково-технічній конференції професорсько-викладацького складу університету, частина 2, Івано-Франківськ, 1997р. , с. 184.

13. Шекета В.І. Особливості розробки інтерфейсу експертної системи для прогнозування нафтогазових колекторів // Тези доповіді на науково-технічній конференції професорсько-викладацького складу універсистету, частина 2, Івано-Франківськ, 1997р. , с. 190 .

АнотаціЇ

Шекета В. І. Інформаційна система для прогнозування нафтогазоносних покладів. - Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.06- Автоматизовані системи управління та прогресивні інформаційні технології; Херсонський державний технічний університет, Херсон, 1999р.

Дисертацію присвячено проблемі впровадження нових інформаційних технологій в нафтогазовий комплекс України. Запропоновано методику поетапної формалізації знань експерта-геолога з використанням величин типу “невизначено”. Розроблено формально-логічний апарат для представлення і використання знань нафтогазової предметної області на базі теорії нечітких множин і побудовано механізм логічного висновку для інформаційної системи. Розроблено комплексну методику набуття і обробки знань в ході інтерактивного діалогу “експерт- інженер-когнітолог --інформаційна система”.

Ключові слова: інженерія знань, база знань, гібридна структура, логічний висновок, невизначеність, предикат, інформаційна система, поклади нафти і газу.

Шекета В. И. Информационная система для прогнозирования нефтегазоносных залежей. - Рукопись.

Диссертация на соискание ученой степени кандидата технических наук по специальности 05. 13. 06 - Автоматизированные системы управления и прогрессивные информационные технологии; Херсонский государственный технический университет, Херсон, 1999г.

Диссертация посвящена вопросам внедрения новых информационных технологий в нефтегазовый комплекс Украины. Анализ аналитико-информационных аспектов деятельности эксперта в нефтегазовой предметной области показал наличие разнообразных методик определения коллекторов нефти и газа, каждая из которых характеризируется неточностью и неопределенностью. В результате предложена методика поэтапной формализации знаний эксперта с использованием значений типа “неопределено”.

Разработан формально-логический аппарат для представления и использования знаний нефтегазовой предметной области. Предлагаемая математическая модель построена на идейном апарате теории нечетких множеств.

Проанализировано и обобщено применение разложимых мер неопределенности и расплывчатых высказываний для формализации множества суждений при поступлении информации от различных источников. Предложены новые подходы позволяющие оптимизировать обработку информации в базе знаний информационной системы при наличии неполной и неточной информации за счет процедур нечеткой фильтрации и представления данных с помощью распределения возможностей. Построены гибридные структуры данных, что позволило преодолеть разрыв между представлением знаний в информационной системе и процедурой логического вывода. Расширены возможности логического вывода по обработке ситуаций истинности на базе композиционного подхода с использованием сложных запросов при наличии нечетких описаний наблюдений и выводов. Обобщено и развито использование шаблонов потоков для обработки предикатов и рекурсивных типов данных .

Проанализировано место системы логического вывода в информационной системе и предложена его реализация на базе стандартных предикатов.

Дано оценку эффективности применения разработанного формально-логического аппарата для автоматизации процесса решения задач прогнозирования и диагностики и разработана комплексная методика приобретения и обработки знаний в ходе интерактивного диалога “эксперт-- инженер-когнитолог -информационная система”.

Разработана информационная система “COLECTOR”, которая внедрена в ГГП “Полтаванефтегазгеология” и используется для прогнозирования коллекторов нефти и газа.

Ключевые слова: предметная область, инженерия знаний, база знаний, гибридная структура, логический вывод, неопределенность, предикат, информационная система, нефтегазоносные залежи.

Sheketa V. I. Information system for forecasting of oil and gas deposit. - Manuscript.

Thesis for getting a Scientific Degree of Candidate of Technical Science in the speciality 05.13.06 - Automated control systems and progressive information technologies - Kherson state technical university, Kherson, 1999.

The thesis is devoted to questions of introducing the new information technologies in oil and gas industry of Ukraine.The strategy of phased formalization of knowledges of expert-geologist with using the values of type "is unknown" is suggested. The formal-logical apparatus for the presentation and use the knowledges an oil and gas application domain on the base of fuzzy sets theory is developed and the mechanism of inference for the information system is designed. The complex strategy of acquisition and processing the knowledges during the interactive dialogue "expert -engineer on knowledges- information system " is developed.

Keywords: application domain, knowledges engineering , knowledge-base, hybrid structure, inference, uncertainty, predicate, information system , oil and gas deposit .

Размещено на Allbest.ru